http://www.cnblogs.com/LBSer/p/4020306.html
在美團技術部落格發表《地理空間距離計算優化》一文，有相似場景的朋友可以參考。
https://tech.meituan.com/2014/09/05/lucene-distance.html
開啟美團app，不管是篩選團購還是篩選商家，預設的排序項都是“離我最近”或者“智慧排序”（如下圖所示）。
不管是“離我最近”還是“智慧排序”，都涉及到計算使用者位置與各個團購單子或者商家的距離（注：在智慧排序中距離作為一個重要的引數參與排序打分）。以篩選商家為例，北京地區有5~6w個POI（本文將商家稱之為POI），當使用者進入商家頁，請求北京全城+所有品類+離我最近/智慧排序時，我們篩選服務需要計算一遍使用者位置與北京全城所有POI的距離。
這種大量計算距離的場景十分消耗資源，從測試來看目前5w個點僅計算一遍距離就需要7ms，而到100w的時候就需要140多ms，隨著資料的快速增長，篩選服務的效能將會非常堪憂。
如何優化距離的計算，進而提高計算速度、降低cpu使用率已經迫在眉睫。美團移動後臺團購組在此方向上進行了些許探索，下文將分為4部分展開：1）地理空間距離計算原理；2）Lucene使用的距離計算公式；3）優化方案；4）實際應用。
......